CN113643826A - 病理药物作用监测系统及方法 - Google Patents

病理药物作用监测系统及方法 Download PDF

Info

Publication number
CN113643826A
CN113643826A CN202111011025.8A CN202111011025A CN113643826A CN 113643826 A CN113643826 A CN 113643826A CN 202111011025 A CN202111011025 A CN 202111011025A CN 113643826 A CN113643826 A CN 113643826A
Authority
CN
China
Prior art keywords
model
action
drug
drug action
medicine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111011025.8A
Other languages
English (en)
Inventor
张弟龙
谢永
袁琴
张艺川
殷冲
李欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing College of Electronic Engineering
Original Assignee
Chongqing College of Electronic Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing College of Electronic Engineering filed Critical Chongqing College of Electronic Engineering
Priority to CN202111011025.8A priority Critical patent/CN113643826A/zh
Publication of CN113643826A publication Critical patent/CN113643826A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/50—Molecular design, e.g. of drugs
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/80—Data visualisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Epidemiology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及药物筛选技术领域，具体为一种病理药物作用监测系统及方法，其中系统包括：数据库存储生物大分子模型、药物分子模型和生物大分子的分子动力学模型；仿真加载模块根据调取的模型，进行仿真，形成药物作用下的分子运动过程；三维模型模块根据分子运动过程，建立三维可视化模型；数据提取分析模块提取分子运动过程中的关键数据，进行计算处理；药物作用分析模块根据计算处理的结果，分析药物作用；验证分析模块根据分析出的药物作用，查询相关的验证资料，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度。本方案能降低开发成本，直观反应药物作用下的分子运动，帮助研究人员进行判断分析。

Description

病理药物作用监测系统及方法
技术领域
本发明涉及药物筛选技术领域，具体为一种病理药物作用监测系统及方法。
背景技术
药物，是指用于预防、治疗、诊断人的疾病，有目的地调节人的生理机能并规定有适应症或者功能主治、用法和用量的物质，包括中药、化学药和生物制品等。药物在人们生活中其中重要作用，各类疾病的治疗都离不开药品。
根据统计显示一种新药研发平均需要12-15年，且耗资过亿，成本巨大，严重制约了新药研发的发展，但是随着计算机和信息技术的快速发展，人们开始使用计算机技术辅助开发新药，有效的降低了新药研发成本，提高了新药研发的成功率。
但是当前计算机技术辅助开发新药，不能直观的反映药物作用下的分子运动，且分析出的药物作用结论的正确性不能初步判断，需要进行后续实验才能判断，不利于研究人员进行判断分析。
发明内容
本发明的目的之一在于提供一种病理药物作用监测系统，以降低开发成本，直观反应药物作用下的分子运动，并判断分析出的药物作用的可信度，帮助研究人员进行判断分析。
本发明提供的基础方案一：病理药物作用监测系统，包括：数据库、选择模块、仿真加载模块、三维模型模块、数据提取分析模块、药物作用分析模块和验证分析模块；
数据库，用于存储生物大分子模型、药物分子模型和生物大分子的分子动力学模型，其中药物分子模型包括药物分子作用信息；
选择模块，用于接收生物大分子模型选择信号、药物分子模型选择信号和分子动力学模型选择信号，从数据库中调取对应的模型；
仿真加载模块，用于根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程；
三维模型模块，用于根据仿真加载模块形成的药物作用下的分子运动过程，建立三维可视化模型，并显示；
数据提取分析模块，用于提取药物作用下的分子运动过程中的关键数据，进行计算处理；
药物作用分析模块，用于根据计算处理的结果，分析药物作用；
验证分析模块，用于根据分析出的药物作用，查询相关的验证资料，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度。
基础方案一的有益效果：研究人员根据需求通过选择模块进行生物大分子模型、药物分子模型和分子动力学模型的选择，并从数据库中调取对应的模型，仿真加载模块根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程，从而能够反映药物作用下，即药物分子作用下，生物大分子的分子运动状况，并通过三维模型模块建立三维可视化模型，并显示，便于研究人员直接观察学习分析，并且通过药物作用下的分子运动过程能初步判断，药物是否能够起到预设效果，进而判断是否进行后续实验验证，以此药物开发减少成本，并且从分子运动的根本进行判断，有利于对药物作用的分析，以及辅助对药物进一步进行改进；
数据提取分析模块提取药物作用下的分子运动过程中的关键数据，进行计算处理；药物作用分析模块根据计算处理的结果，分析药物作用，以便于研究人员了解仿真过程中的药物作用，验证分析模块，根据分析出的药物作用，查询相关的验证资料，包括生物理论和已通过生物实验验证的药物作用，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度，从而研究人员可以根据药物作用可信度，来判断不符合验证资料的药物理论的可信度，从而帮助研究人员选择是否去验证药物作用。
进一步，所述系统，还包括：模型管理模块；
所述模型管理模块，用于对数据库中的生物大分子模型、药物分子模型和分子动力学模型进行管理，包括：增加模型、删除模型和替换模型；
所述增加模型，采用冷冻电镜技术捕捉生物大分子状态和药物分子状态，通过三维重建构建生物大分子模型和药物分子模型，采用分子运动捕捉仪器监测分子运动数据，构建分子动力学模型，将构建成功的生物大分子模型、药物分子模型和分子动力学模型添加到数据库中。
有益效果：模型管理模块，用于对数据库中的生物大分子模型、药物分子模型和分子动力学模型进行管理，便于更新维护数据库中的模型，并且增加模型是采用冷冻电镜技术和分子运动捕捉仪器以及三维重建技术，能准确的构建出模型。
进一步，所述根据条数占比，定义药物作用可信度，包括：
若条数占比大于等于第一预设占比，则定义药物作用可信度为高；
若条数占比小于第一预设占比且大于等于第二预设占比，则定义药物作用可信度为中；
若条数占比小于第二预设占比，则定义药物作用可信度为低；
所述验证分析模块，还用于若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议。
有益效果：根据条数占比，定义可信度，将可信度分为高中低，且若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议，从而辅助研究人员确立研究课题的方向。
进一步，所述数据库，还用于存储仿真加载模块形成的药物作用下的分子运动过程、数据提取分析模块的提取数据和计算处理结果、药物作用分析模块分析的药物作用和验证分析模块定义的药物作用可信度；
所述数据提取分析模块，还用于进行AI预判，根据选择的生物大分子模型、药物分子模型和分子动力学模型，查询数据库中历史计算处理结果中是否存在各模型与本次选择模型相似的计算处理结果，若存在，则提取相似的计算处理结果提取的关键数据。
有益效果：根据历史数据进行关键数据提取，能尽快提取有效的关键数据，减少内存占用，提高运算速率。
本发明的目的之二在于提供一种病理药物作用监测方法，以降低开发成本，直观反应药物作用下的分子运动，并判断分析出的药物作用的可信度，帮助研究人员进行判断分析。
本发明提供基础方案二：病理药物作用监测方法，包括如下内容：
模型选择步骤：接收生物大分子模型选择信号、药物分子模型选择信号和分子动力学模型选择信号，调取对应的模型，其中药物分子模型包括药物分子作用信息；
仿真步骤：根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程；
三维可视化步骤：根据仿真加载模块形成的药物作用下的分子运动过程，建立三维可视化模型，并显示；
关键数据处理步骤：提取药物作用下的分子运动过程中的关键数据，进行计算处理；
药物作用分析步骤：根据计算处理的结果，分析药物作用；
验证分析步骤：根据分析出的药物作用，查询相关的验证资料，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度。
基础方案二的有益效果：研究人员根据需求进行生物大分子模型、药物分子模型和分子动力学模型的选择，并调取对应的模型，根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程，从而能够反映药物作用下，即药物分子作用下，生物大分子的分子运动状况，并建立三维可视化模型，显示，便于研究人员直接观察学习分析，并且通过药物作用下的分子运动过程能初步判断，药物是否能够起到预设效果，进而判断是否进行后续实验验证，以此药物开发减少成本，并且从分子运动的根本进行判断，有利于对药物作用的分析，以及辅助对药物进一步进行改进。
提取药物作用下的分子运动过程中的关键数据，进行计算处理；根据计算处理的结果，分析药物作用，以便于研究人员了解仿真过程中的药物作用，根据分析出的药物作用，查询相关的验证资料，包括生物理论和已通过生物实验验证的药物作用，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度，从而研究人员可以根据药物作用可信度，来判断不符合验证资料的药物理论的可信度，从而帮助用户选择是否去验证药物作用。
进一步，所述根据条数占比，定义药物作用可信度，包括：
若条数占比大于等于第一预设占比，则定义药物作用可信度为高；
若条数占比小于第一预设占比且大于等于第二预设占比，则定义药物作用可信度为中；
若条数占比小于第二预设占比，则定义药物作用可信度为低；
所述验证分析步骤，还包括若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议。
有益效果：根据条数占比，定义可信度，将可信度分为高中低，且若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议，从而辅助研究人员确立研究课题的方向。
进一步，所述关键数据处理步骤，还包括：进行AI预判，根据选择的生物大分子模型、药物分子模型和分子动力学模型，查询历史计算处理结果中是否存在各模型与本次选择模型相似的计算处理结果，若存在，则提取相似的计算处理结果提取的关键数据。
有益效果：根据历史数据进行关键数据提取，能尽快提取有效的关键数据，减少内存占用，提高运算速率。
附图说明
图1为本发明病理药物作用监测系统实施例一的逻辑框图；
图2为本发明病理药物作用监测方法实施例二的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
实施例基本如附图1所示：病理药物作用监测系统，包括：数据库、模型管理模块、选择模块、仿真加载模块、三维模型模块、数据提取分析模块、药物作用分析模块和验证分析模块；
数据库，采用mySQL，用于存储生物大分子模型、药物分子模型和生物大分子的分子动力学模型，其中药物分子模型包括药物分子作用信息，药物分子作用的基本表现药物分子作为配体与生物大分子上的受体相结合，并能引起细胞功能变化，药物包含多种药物分子，不同的药物分子共同作用于生物大分子，起到药物作用，即药物与细胞间的初始作用，是动因，是分子反应机制，有其特异性。数据库，还用于存储仿真加载模块形成的药物作用下的分子运动过程、数据提取分析模块的提取数据和计算处理结果、药物作用分析模块分析的药物作用和验证分析模块定义的药物作用可信度，以便后续调用。
模型管理模块，用于对数据库中的生物大分子模型、药物分子模型和分子动力学模型进行管理，包括：增加模型、删除模型和替换模型；其中增加模型，包括采用冷冻电镜技术捕捉生物大分子状态和药物分子状态，通过三维重建构建生物大分子模型和药物分子模型，采用分子运动捕捉仪器监测分子运动数据，构建分子动力学模型，即量子动力学模型，将构建成功的生物大分子模型、药物分子模型和分子动力学模型添加到数据库中。
选择模块，用于接收生物大分子模型选择信号、药物分子模型选择信号和分子动力学模型选择信号，从数据库中调取对应的模型。
仿真加载模块，用于根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程，具体为：不同的药物分子作为配体与作为不同的生物大分子上的不同受体相结合，并能引起细胞功能变化，从而改变分子运动过程。
三维模型模块，用于根据仿真加载模块形成的药物作用下的分子运动过程，建立三维可视化模型，并显示；可采用现有三维可视化服务建立三维可视化模型。
数据提取分析模块，用于提取药物作用下的分子运动过程中的关键数据，进行计算处理，包括计算不同受体和配体的结合率，以及结合以后细胞的相关指标变化；在提取关键数据之前，数据提取分析模块还可以用于进行AI预判，根据选择的生物大分子模型、药物分子模型和分子动力学模型，查询数据库中历史计算处理结果中是否存在各模型与本次选择模型相似的计算处理结果，若存在，则提取相似的计算处理结果提取的关键数据，例如：本次选择的是药物分子模型A，生物大分子模型B，分子运动模型C，生物大分子模型B上有受体a、b、c；历史计算处理结果中存在药物分子模型R和生物大分子模型B上受体a作用的计算处理结果，且药物分子模型R和药物分子模型A相似，即两个药物分子结合的受体相同，则直接调取药物分子模型A和生物大分子模型B上受体a的相关数据进行计算处理。
药物作用分析模块，用于根据计算处理的结果，分析药物作用，药物包含多种药物分子，因此药物作用也可为多种条药物作用。
验证分析模块，用于根据分析出的药物作用，查询相关的验证资料，其中验证资料包括生物理论和已通过生物实验验证的药物作用，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度，包括：
若条数占比大于等于第一预设占比，则定义药物作用可信度为高；
若条数占比小于第一预设占比且大于等于第二预设占比，则定义药物作用可信度为中；
若条数占比小于第二预设占比，则定义药物作用可信度为低，且若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议，例如：药物中包含多种药物分子，药物作用分析模块根据计算处理的结果，分析出十条药物作用，查询相关的验证资料，只有三条药物作用符合相关的验证资料，则条数占比为3/10，本实施例中第二预设占比为百分之七十，则药物作用可信度为低，此时，根据不符合相关的验证资料的药物作用，进行分类，分为第一类药物作用和第二类药物作用，其中第一类药物作用为与现有相关的验证资料相斥的药物作用，第二类药物作用为相关的验证资料未提及的药物作用，分别根据第一类药物作用和第二类药物作用查询现有相关研究方向，如果有关于某个药物作用的研究方向则推送给研究人员，如果没有相关的，则先根据第一类药物作用生成与验证资料相反的研究课题建议，推送给研究人员并提示推送的研究课题建议与验证资料完全相反，这样可能会帮助研究人员打破固有思维，进行相关研究，再根据第二类药物作用生成研究课题建议，推送给研究人员并提示推送的研究课题建议无相关的验证资料，这样可以帮助研究人员发现未研究过的课题，进行相关研究。
实施例二
实施例基本如附图2所示：病理药物作用监测方法，包括如下内容：
模型选择步骤：接收生物大分子模型选择信号、药物分子模型选择信号和分子动力学模型选择信号，调取对应的模型，其中药物分子模型包括药物分子作用信息，药物分子作用的基本表现药物分子作为配体与生物大分子上的受体相结合，并能引起细胞功能变化，药物包含多种药物分子，不同的药物分子共同作用于生物大分子，起到药物作用，即药物与细胞间的初始作用，是动因，是分子反应机制，有其特异性；本实施例中采用mySQL存储生物大分子模型、药物分子模型和生物大分子的分子动力学模型；
仿真步骤：根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程；具体为：不同的药物分子作为配体与作为不同的生物大分子上的不同受体相结合，并能引起细胞功能变化，从而改变分子运动过程；
三维可视化步骤：根据仿真加载模块形成的药物作用下的分子运动过程，建立三维可视化模型，并显示；可采用现有华为的三维可视化服务建立三维可视化模型；
关键数据处理步骤：提取药物作用下的分子运动过程中的关键数据，进行计算处理，包括计算不同受体和配体的结合率，以及结合以后细胞的相关指标变化；本实施例中还提供另一种关键数据处理步骤：进行AI预判，根据选择的生物大分子模型、药物分子模型和分子动力学模型，查询历史计算处理结果中是否存在各模型与本次选择模型相似的计算处理结果，若存在，则提取相似的计算处理结果提取的关键数据，进行计算处理，根据历史数据进行关键数据提取，能尽快提取有效的关键数据，减少内存占用，提高运算速率，例如：本次选择的是药物分子模型A，生物大分子模型B，分子运动模型C，生物大分子模型B上有受体a、b、c；历史计算处理结果中存在药物分子模型R和生物大分子模型B上受体a作用的计算处理结果，且药物分子模型R和药物分子模型A相似，即两个药物分子结合的受体相同，则直接调取药物分子模型A和生物大分子模型B上受体a的相关数据进行计算处理；
药物作用分析步骤：根据计算处理的结果，分析药物作用，药物包含多种药物分子，因此药物作用也可为多种条药物作用；
验证分析步骤：根据分析出的药物作用，查询相关的验证资料，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度，包括：
若条数占比大于等于第一预设占比，则定义药物作用可信度为高；
若条数占比小于第一预设占比且大于等于第二预设占比，则定义药物作用可信度为中；
若条数占比小于第二预设占比，则定义药物作用可信度为低；
所述验证分析步骤，还包括若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议；例如：药物中包含多种药物分子，药物作用分析模块根据计算处理的结果，分析出十条药物作用，查询相关的验证资料，只有三条药物作用符合相关的验证资料，则条数占比为3/10，本实施例中第二预设占比为百分之七十，则药物作用可信度为低，此时，根据不符合相关的验证资料的药物作用，进行分类，分为第一类药物作用和第二类药物作用，其中第一类药物作用为与现有相关的验证资料相斥的药物作用，第二类药物作用为相关的验证资料未提及的药物作用，分别根据第一类药物作用和第二类药物作用查询现有相关研究方向，如果有关于某个药物作用的研究方向则推送给研究人员，如果没有相关的，则先根据第一类药物作用生成与验证资料相反的研究课题建议，推送给研究人员并提示推送的研究课题建议与验证资料完全相反，这样可能会帮助研究人员打破固有思维，进行相关研究，再根据第二类药物作用生成研究课题建议，推送给研究人员并提示推送的研究课题建议无相关的验证资料，这样可以帮助研究人员发现未研究过的课题，进行相关研究。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (7)

1.病理药物作用监测系统，其特征在于：包括：数据库、选择模块、仿真加载模块、三维模型模块、数据提取分析模块、药物作用分析模块和验证分析模块；
数据库，用于存储生物大分子模型、药物分子模型和生物大分子的分子动力学模型，其中药物分子模型包括药物分子作用信息；
选择模块，用于接收生物大分子模型选择信号、药物分子模型选择信号和分子动力学模型选择信号，从数据库中调取对应的模型；
仿真加载模块，用于根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程；
三维模型模块，用于根据仿真加载模块形成的药物作用下的分子运动过程，建立三维可视化模型，并显示；
数据提取分析模块，用于提取药物作用下的分子运动过程中的关键数据，进行计算处理；
药物作用分析模块，用于根据计算处理的结果，分析药物作用；
验证分析模块，用于根据分析出的药物作用，查询相关的验证资料，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度。
2.根据权利要求1所述的病理药物作用监测系统，其特征在于：还包括：模型管理模块；
所述模型管理模块，用于对数据库中的生物大分子模型、药物分子模型和分子动力学模型进行管理，包括：增加模型、删除模型和替换模型；
所述增加模型，采用冷冻电镜技术捕捉生物大分子状态和药物分子状态，通过三维重建构建生物大分子模型和药物分子模型，采用分子运动捕捉仪器监测分子运动数据，构建分子动力学模型，将构建成功的生物大分子模型、药物分子模型和分子动力学模型添加到数据库中。
3.根据权利要求1所述的病理药物作用监测系统，其特征在于：所述根据条数占比，定义药物作用可信度，包括：
若条数占比大于等于第一预设占比，则定义药物作用可信度为高；
若条数占比小于第一预设占比且大于等于第二预设占比，则定义药物作用可信度为中；
若条数占比小于第二预设占比，则定义药物作用可信度为低；
所述验证分析模块，还用于若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议。
4.根据权利要求3所述的病理药物作用监测系统，其特征在于：所述数据库，还用于存储仿真加载模块形成的药物作用下的分子运动过程、数据提取分析模块的提取数据和计算处理结果、药物作用分析模块分析的药物作用和验证分析模块定义的药物作用可信度；
所述数据提取分析模块，还用于进行AI预判，根据选择的生物大分子模型、药物分子模型和分子动力学模型，查询数据库中历史计算处理结果中是否存在各模型与本次选择模型相似的计算处理结果，若存在，则提取相似的计算处理结果提取的关键数据。
5.病理药物作用监测方法，其特征在于：包括如下内容：
模型选择步骤：接收生物大分子模型选择信号、药物分子模型选择信号和分子动力学模型选择信号，调取对应的模型，其中药物分子模型包括药物分子作用信息；
仿真步骤：根据调取的生物大分子模型、药物分子模型和分子动力学模型，进行药物作用仿真，形成药物作用下的分子运动过程；
三维可视化步骤：根据仿真加载模块形成的药物作用下的分子运动过程，建立三维可视化模型，并显示；
关键数据处理步骤：提取药物作用下的分子运动过程中的关键数据，进行计算处理；
药物作用分析步骤：根据计算处理的结果，分析药物作用；
验证分析步骤：根据分析出的药物作用，查询相关的验证资料，判断药物作用中符合验证资料的条数占比，根据条数占比，定义药物作用可信度。
6.根据权利要求5所述的病理药物作用监测方法，其特征在于：所述根据条数占比，定义药物作用可信度，包括：
若条数占比大于等于第一预设占比，则定义药物作用可信度为高；
若条数占比小于第一预设占比且大于等于第二预设占比，则定义药物作用可信度为中；
若条数占比小于第二预设占比，则定义药物作用可信度为低；
所述验证分析步骤，还包括若定义药物作用可信度为低，则根据不符合验证资料的药物作用，查询现有相关研究方向，生成对应研究课题建议。
7.根据权利要求5所述的病理药物作用监测方法，其特征在于：所述关键数据处理步骤，还包括：进行AI预判，根据选择的生物大分子模型、药物分子模型和分子动力学模型，查询历史计算处理结果中是否存在各模型与本次选择模型相似的计算处理结果，若存在，则提取相似的计算处理结果提取的关键数据。
CN202111011025.8A 2021-08-31 2021-08-31 病理药物作用监测系统及方法 Pending CN113643826A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111011025.8A CN113643826A (zh) 2021-08-31 2021-08-31 病理药物作用监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111011025.8A CN113643826A (zh) 2021-08-31 2021-08-31 病理药物作用监测系统及方法

Publications (1)

Publication Number Publication Date
CN113643826A true CN113643826A (zh) 2021-11-12

Family

ID=78424575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111011025.8A Pending CN113643826A (zh) 2021-08-31 2021-08-31 病理药物作用监测系统及方法

Country Status (1)

Country Link
CN (1) CN113643826A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035316A2 (en) * 1999-11-10 2001-05-17 Structural Bioinformatics, Inc. Computationally derived protein structures in pharmacogenomics
WO2007130950A2 (en) * 2006-05-01 2007-11-15 New Century Pharmaceuticals, Inc Albumin binding sites for evaluating drug interactions and methods of evaluating or designing drugs based on their albumin binding properties
WO2008117570A1 (ja) * 2007-03-23 2008-10-02 National Institute Of Advanced Industrial Science And Technology 立体配座解析装置及び解析方法
CN111180020A (zh) * 2019-12-20 2020-05-19 深圳晶泰科技有限公司 一种药物研发过程中的数据管理系统及其使用方法
CN112185473A (zh) * 2020-10-26 2021-01-05 安徽众新电子科技有限公司 一种分子动力学仿真测试系统
WO2021004021A1 (zh) * 2019-12-20 2021-01-14 深圳晶泰科技有限公司 一种药物研发过程中的数据管理系统及其使用方法
CN112489737A (zh) * 2020-11-16 2021-03-12 南京希瑞斯细胞工程有限公司 一种智能化药物靶点亲和力预测方法与流程
CN112669911A (zh) * 2021-01-18 2021-04-16 广西中医药大学 一种药物分子动力学模拟限制势方法及系统
CN112768012A (zh) * 2021-01-27 2021-05-07 奥来恩医药(苏州)有限公司 一种基于人工智能的药物开发系统
WO2021103516A1 (zh) * 2020-06-28 2021-06-03 深圳晶泰科技有限公司 晶体复合物的药物虚拟筛选系统及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035316A2 (en) * 1999-11-10 2001-05-17 Structural Bioinformatics, Inc. Computationally derived protein structures in pharmacogenomics
WO2007130950A2 (en) * 2006-05-01 2007-11-15 New Century Pharmaceuticals, Inc Albumin binding sites for evaluating drug interactions and methods of evaluating or designing drugs based on their albumin binding properties
WO2008117570A1 (ja) * 2007-03-23 2008-10-02 National Institute Of Advanced Industrial Science And Technology 立体配座解析装置及び解析方法
CN111180020A (zh) * 2019-12-20 2020-05-19 深圳晶泰科技有限公司 一种药物研发过程中的数据管理系统及其使用方法
WO2021004021A1 (zh) * 2019-12-20 2021-01-14 深圳晶泰科技有限公司 一种药物研发过程中的数据管理系统及其使用方法
WO2021103516A1 (zh) * 2020-06-28 2021-06-03 深圳晶泰科技有限公司 晶体复合物的药物虚拟筛选系统及方法
CN112185473A (zh) * 2020-10-26 2021-01-05 安徽众新电子科技有限公司 一种分子动力学仿真测试系统
CN112489737A (zh) * 2020-11-16 2021-03-12 南京希瑞斯细胞工程有限公司 一种智能化药物靶点亲和力预测方法与流程
CN112669911A (zh) * 2021-01-18 2021-04-16 广西中医药大学 一种药物分子动力学模拟限制势方法及系统
CN112768012A (zh) * 2021-01-27 2021-05-07 奥来恩医药(苏州)有限公司 一种基于人工智能的药物开发系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘景陶;柳耀花;: "计算机分子模拟技术及人工智能在药物研发中的应用", 科技创新与应用 *
刘景陶等, "计算机分子模拟技术及人工智能在药物研发中的应用" *

Similar Documents

Publication Publication Date Title
CN108986908B (zh) 问诊数据处理方法、装置、计算机设备和存储介质
CN102822834B (zh) 用于预测治疗结果的基于计算机的系统
US12027271B2 (en) Visualization of biomedical predictions
CN111145910A (zh) 基于人工智能的异常案例识别方法、装置、计算机设备
Mancini et al. Computing personalised treatments through in silico clinical trials. A case study on downregulation in assisted reproduction
CN113470741B (zh) 药物靶标关系预测方法、装置、计算机设备及存储介质
CN109615012A (zh) 基于机器学习的就诊数据异常识别方法、设备及存储介质
EP4027348A2 (en) Affinity prediction method and apparatus, method and apparatus for training affinity prediction model, device and medium
US20240282467A1 (en) Method and device for analyzing interactions between drugs
CN115050442B (zh) 基于挖掘聚类算法的病种数据上报方法、装置及存储介质
CN111383726A (zh) 电子病历数据处理方法、装置、电子设备及可读介质
Zeng et al. DMIL-III: Isoform-isoform interaction prediction using deep multi-instance learning method
Beluzo et al. Towards neonatal mortality risk classification: A data-driven approach using neonatal, maternal, and social factors
Shen et al. A novel DL-based algorithm integrating medical knowledge graph and doctor modeling for Q&A pair matching in OHP
WO2009114591A1 (en) Method and apparatus for screening drugs for predictors of quantitatively measured events
CN113643826A (zh) 病理药物作用监测系统及方法
Das et al. Inceptionv3‐LSTM‐COV: A multi‐label framework for identifying adverse reactions to COVID medicine from chemical conformers based on Inceptionv3 and long short‐term memory
Banchhor et al. Comparative study of ensemble learning algorithms on early stage diabetes risk prediction
KR102187594B1 (ko) 신약 후보 물질 발굴을 위한 멀티오믹스 데이터 처리 장치 및 방법
CN114255878A (zh) 一种疾病分型模型的训练方法、系统、装置及存储介质
Tamanini et al. A hybrid approach of verbal decision analysis and machine learning
CN114647737A (zh) 医疗规则补全方法及装置
Peretti et al. Breast cancer prediction by logistic regression with cuda parallel programming support
Sasirekha et al. Identification and Classification of Leukemia Using Machine Learning Approaches
Chintala Accelerating Drug Discovery: Ai Powered Approaches in Pharmaceutical Research

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination